QuantAgent: Seeking Holy Grail in Trading by Self-Improving Large Language Model
LLM 기반 자율 에이전트가 스스로 개선하며 트레이딩 시그널을 발굴하는 프레임워크. 이중 루프 구조로 지식 베이스를 자동 확장.
개요
QuantAgent는 양적 투자 도메인에 특화된 LLM 자율 에이전트 프레임워크다. 핵심 과제인 “도메인 특화 지식 베이스를 어떻게 효율적으로 구축하고 통합할 것인가”를 이중 루프(two-loop) 구조로 해결한다.
이중 루프 구조
| 루프 | 역할 |
|---|---|
| Inner Loop | 에이전트가 지식 베이스에서 참조하여 응답 정제 |
| Outer Loop | 응답을 실제 환경에서 테스트 → 새로운 인사이트로 지식 베이스 자동 강화 |
이 구조를 통해 에이전트가 점진적으로 최적 행동에 수렴함을 수학적으로 증명(provable guarantees).
핵심 기여
- 도메인 특화 에이전트를 위한 원칙적(principled) 프레임워크 제안
- 이중 루프 자기개선 메커니즘 (inner: 지식 기반 정제, outer: 실전 테스트 → KB 확장)
- 수렴 보장(provable convergence) 이론적 분석
- 트레이딩 시그널 발굴 에이전트 QuantAgent 구현 및 실증
실증 결과
- 실효성 있는 금융 시그널 발굴 능력 입증
- 금융 예측 정확도 향상 확인
메타 정보
| 항목 | 값 |
|---|---|
| 저자 | Saizhuo Wang, Hang Yuan, Lionel M. Ni, Jian Guo |
| 제출일 | 2024-02-06 |
| 분야 | cs.AI, q-fin.CP |
| DOI | 10.48550/arXiv.2402.03755 |
관련 연구
- LLM 기반 자율 에이전트 일반 프레임워크
- AI 에이전트의 도메인 특화 적용 사례
Sources
- arXiv: 2402.03755